谷歌 DeepMind 发布了一款名为 WeatherNext 3 的新人工智能天气预报模型。该模型在预测准确性上超越了现有的 AI 和传统气象系统，能够提供分辨率更高、降雨预测更准的预报。它通过直接利用原始卫星数据，解决了 AI 预报的一些关键难题，并将被集成到谷歌搜索和地图等日常产品中，为普通用户和专业领域带来更可靠、更及时的天气信息。
新一代 AI 气象模型
谷歌的科学家们推出 WeatherNext 3，旨在更清晰地观测大气变化并更准确地预测其行为。这项技术将很快为谷歌搜索、地图和 Gemini 等产品提供核心气象数据。
“这将是核心变量首次为众多谷歌产品提供支持。” —— Samier Merchant，谷歌高级工程师
与传统气象预报依赖大型计算机进行复杂的物理方程计算不同，AI 模型通过深度学习技术，从海量历史数据中学习模式，从而实现更快、成本更低的预测。
全面领先的预测能力
在一项主流 AI 预报模型的对比测试中，WeatherNext 3 已被证明是最准确的。它在温度、风速和湿度等关键指标上表现出色。
- 超越其他 AI 模型： 其表现优于谷歌自家、微软、英伟达以及欧洲中期天气预报中心（ECMWF）开发的模型。
- 超越传统系统： 它的准确性也超过了美国国家气象局和 ECMWF 使用的传统物理模拟预报。
传统预报系统虽然准确，但运行成本高昂且速度较慢。AI 的优势在于能以近似的方式处理不完整信息下的物理问题，从而快速做出预测。
“机器学习针对的是我们真正要解决的问题，即在信息不完整和计算能力有限的情况下，对充满噪音的物理现象进行近似模拟。” —— Ferran Alet，DeepMind 研究科学家
攻克三大技术挑战
过去的 AI 预报模型存在一些关键弱点，而 WeatherNext 3 针对这些问题进行了改进。
- 更高的分辨率： 预测范围从过去的 15-25 平方公里，提升到了 5 公里的精细度，信息更具实用价值。
- 更准的降雨预测： 对降雨的评估能力比上一代模型提升了 60%，并且能提供每小时的预报，而非标准的每六小时一次。
- 直接利用原始数据： WeatherNext 3 是首个将原始卫星观测数据直接用于高分辨率全球预报的 AI 模型，减少了对政府机构格式化数据的依赖。
这些改进得益于模型设计的特定选择，例如模型参数增加了 2.4 倍，并经过专门训练，能针对特定气象站进行预报，使其预测结果更贴近地面真实数据。
现实意义与未来影响
AI 在气象领域的革命，其重要性不亚于大语言模型。由于其速度快、成本低的特点，AI 天气预报有望为经济欠发达地区带来巨大价值，因为这些地区以往难以承担高质量传感器和超级计算机的费用。
- 农业发展： 比尔·盖茨曾指出，更准确的天气预报能显著提高发展中国家的农作物产量。
- 能源行业： 对风、雨和云层的更高分辨率预测，将有助于使可再生能源项目的运行更加稳定可靠。
最终，这项技术的目的是为用户提供更有用的信息，因为人们在日常生活中所做的许多决策都与天气息息相关。